Codex CLI Opsætning: 13 Trin, 45 Min [2026]

OpenAI opdaterer Codex CLI næsten hver uge i øjeblikket, og pakken på npm står nu i version 0.148.0. Hvis du styrer et udviklerteam i Danmark eller Norden og overvejer at give terminalen en AI-agent, er det værd at kende forskellen på et hurtigt npm-install og en opsætning, der faktisk holder i produktion. Mange danske teams tester i disse måneder flere terminal-agenter side om side, og Codex CLI skiller sig ud ved at være helt åben kildekode, mens både Claude Code og GitHub Copilot forbliver lukkede produkter.

Denne guide går trin for trin gennem installation, modelvalg, konfiguration, et komplet eksempelprojekt og de fejl, der oftest sender nye brugere ud i timevis af fejlfinding. Vi bygger et rigtigt REST API undervejs, sætter Codex op til at køre i et CI-flow, og kobler den til en ekstern datakilde via MCP. Du ender med en fungerende Codex CLI-opsætning, en forståelse af hvornår den slår Claude Code og GitHub Copilot CLI, og en tjekliste til drift, du kan dele med resten af teamet.

Hvad er OpenAI Codex CLI, og hvorfor er den relevant nu?

Codex CLI er OpenAIs open source-agent til terminalen. Den installeres som npm-pakken @openai/codex, kører lokalt på din maskine og kan læse, redigere og køre kode direkte i dit repository uden at du skal skifte til en browser eller en IDE. Værktøjet adskiller sig fra det gamle Codex-modelnavn fra 2021, som var en ren API-model. Den moderne Codex CLI er derimod et agent-lag skrevet primært i Rust, der taler med OpenAIs nyeste kodemodeller og udfører de kommandoer, du beder om, direkte i din projektmappe.

Interessen har taget fart, fordi OpenAI i juni 2026 gennemførte en større oprydning i modelnavngivningen og samtidig skærpede sikkerheden omkring, hvad agenten må gøre uden godkendelse. GitHub-repoet talte i april 2026 omkring 75.600 stjerner og 10.700 forks fordelt på over 709 udgivelser, hvilket viser et værktøj under konstant udvikling snarere end et stabilt, roligt projekt. Det betyder også, at kommandoer og konfiguration kan ændre sig fra måned til måned, så denne guide er bygget op, så du altid kan verificere den nyeste adfærd med codex --help undervejs.

I praksis fungerer Codex CLI som et lag mellem din terminal og OpenAIs sprogmodeller. Når du starter en session, læser agenten filstrukturen i den aktuelle mappe, danner sig et billede af projektet, og venter derefter på instruktioner skrevet i almindeligt sprog. Den kan foreslå kodeændringer, køre testkommandoer, installere pakker og navigere i filsystemet, alt sammen inden for de grænser, du selv sætter via godkendelses- og sandkasseindstillinger. Det gør den velegnet til alt fra små script-opgaver til større refaktoreringer, forudsat at du sætter rammerne rigtigt fra start, hvilket er det, resten af denne guide viser dig hvordan man gør.

Forskellen fra et almindeligt chat-vindue er, at Codex handler direkte i din lokale mappe i stedet for kun at foreslå kode, du selv skal kopiere ind. Det sparer et helt trin i arbejdsgangen, men det stiller også højere krav til, at du forstår hvilke rettigheder agenten har, og hvor grænserne går, før du lader den røre en kodebase, andre er afhængige af.

Forudsætninger: Dette skal du bruge, før du starter

Før du installerer noget, så tjek at din maskine opfylder de faktiske krav. Codex CLI er ikke særlig krævende, men den stiller et par harde betingelser, som stopper installationen, hvis de ikke er opfyldt.

Node.js 22 eller nyere: kræves til npm-installationen. Tjek din version med node --version, og hent den nyeste udgivelse fra Node.js’ officielle downloadside, hvis din er forældet.
Operativsystem — native support til macOS (Apple Silicon og Intel) og Linux (x86_64 og arm64). Windows-brugere skal køre Codex via WSL2.
Konto — enten et ChatGPT Plus-, Pro-, Business- eller Enterprise-abonnement til login via browseren, eller en selvstændig OpenAI API-nøgle til betal-per-brug.
Git installeret lokalt, da Codex forventer at arbejde inde i et versionsstyret repository. Uden Git kan agenten stadig redigere filer, men du mister evnen til nemt at se og fortryde dens ændringer.
Terminaladgang med skriverettigheder til den mappe, hvor du installerer globale npm-pakker. Dette punkt er relevant for fejlfindingen senere i guiden, hvor manglende rettigheder er en af de hyppigste årsager til en fejlet installation.
Cirka 500 MB ledig diskplads til selve pakken, dens afhængigheder og den lokale cache af sessionshistorik.

Har du en ældre Node-installation, så opgrader først. Codex CLI fejler stille eller giver kryptiske fejl, hvis Node-versionen er for gammel, og det er den mest almindelige årsag til, at nye brugere aldrig kommer forbi installationstrinnet. Sidder du i en organisation med en fast forwaltet udviklermaskine, så tjek med IT, om Node.js allerede administreres centralt, før du selv installerer en ny version ved siden af, da det kan skabe konflikter mellem to parallelle Node-installationer.

Skal Codex rulles ud til hele teamet, ikke bare din egen maskine, er det værd at afklare et par ting på forhånd. Beslut hvem der ejer den fælles konfiguration, hvordan I fordeler omkostningerne internt, og om alle skal bruge samme modelvalg som standard eller have frihed til selv at justere. En kort intern retningslinje på et par linjer sparer jer for uenigheder senere, når regningen for AI-forbrug lander hos den, der administrerer budgettet.

Trin 1-3: Installer Codex CLI (npm, Homebrew eller binær)

Du har tre reelle installationsveje. De fleste danske udviklerteams vælger npm, fordi det passer ind i eksisterende Node-værktøjskæder, men Homebrew og direkte binærfiler er relevante, hvis du styrer maskiner uden Node som standard. Vælger du forkert metode til jeres opsætning, ender I typisk med to parallelle installationer, der kæmper om samme kommandonavn, så beslut jer for én metode pr. maskine og hold jer til den ved fremtidige opdateringer.

Trin 1: Installer via npm (anbefalet)

Kør følgende for at installere den globalt tilgængelige codex-kommando:

npm install -g @openai/codex

# Bekræft installationen
codex --version

Output ser typisk sådan ud, hvis installationen lykkedes:

added 214 packages in 8s
codex-cli 0.148.0

Trin 2: Installer via Homebrew (macOS)

Foretrækker du Homebrew fremfor npm, findes der en dedikeret cask til macOS:

brew install --cask codex
codex

Trin 3: Direkte binær download (macOS og Linux)

Vil du undgå både Node og Homebrew, kan du hente en binærfil direkte fra GitHub Releases og selv placere den i din PATH:

chmod +x codex
mv codex /usr/local/bin/codex

Filnavnene på binærfilerne varierer fra udgivelse til udgivelse, så følg altid platformsinstruktionerne i den konkrete release-note, du henter fra Codex CLI-repoet på GitHub. Denne metode er primært relevant for teams, der styrer maskiner med streng kontrol over installerede pakkeforvaltere, eller for CI-runnere hvor du hellere vil hente en fastlåst binærfil end afhænge af npm-registeret ved hver build.

Trin 4: Log ind med ChatGPT eller en API-nøgle

Når codex er installeret, skal den godkendes mod en konto. Start agenten uden argumenter, og vælg login-metode direkte i terminalens brugerflade:

codex
# Vælg "Sign in with ChatGPT" i menuen, eller
export OPENAI_API_KEY="din-api-nøgle-her"
codex

Logger du ind med ChatGPT, bruger Codex den kvote og de modeller, dit abonnement giver adgang til. Sætter du i stedet en API-nøgle, afregnes forbruget pr. token efter OpenAIs almindelige API-priser, uafhængigt af et eventuelt ChatGPT-abonnement. Vælg den metode, der matcher hvordan dit team allerede fakturerer AI-forbrug internt, så du undgår dobbelt fakturering senere.

For enkeltpersoner giver ChatGPT-login typisk mest mening, fordi kvoten allerede er betalt via abonnementet. For teams, der skal have flere udviklere til at bruge Codex samtidig, er en fælles organisations-API-nøgle nemmere at styre, fordi I kan se forbruget samlet i OpenAIs dashboard i stedet for at holde styr på individuelle abonnementer. Gem aldrig API-nøglen direkte i kildekoden eller i en delt fil, der committes til Git. Brug i stedet miljøvariabler eller en hemmelighedshåndtering, jeres organisation allerede har på plads.

Trin 5: Din første session i et rigtigt projekt

Naviger til et eksisterende Git-repository, og start Codex derfra. Agenten scoper automatisk sit arbejde til den mappe, du står i:

cd ~/projekter/mit-repo
codex

Skriv en konkret instruktion i prompten, for eksempel “tilføj input-validering til registreringsendpointet”. Codex læser relevante filer, foreslår ændringer og beder om godkendelse, før den rører noget, medmindre du selv har hævet autonominiveauet (mere om det i trin 8). En typisk første session viser output i stil med dette:

› Reading src/routes/register.ts
› Proposed change: add zod schema validation
› Run `npm test`? [y/N]

Godkend forslaget ved at svare y, eller afvis med n, hvis du vil justere instruktionen. Prøv gerne flere små, konkrete instruktioner i træk i din første session, for eksempel “tilføj et unit-test for edge-casen med tom email” eller “opdater README med de nye endpoints”. Jo mere konkret instruktionen er, desto mindre er risikoen for, at Codex gætter forkert på, hvad du egentlig mener.

Trin 6: Konfigurer ~/.codex/config.toml

Standardadfærd sættes i en global konfigurationsfil, så du ikke skal gentage flag hver gang. Filen ligger i ~/.codex/config.toml og oprettes automatisk ved første kørsel, hvis den ikke findes:

model = "gpt-5.5"
model_reasoning_effort = "medium"

[profiles.goal]
model = "gpt-5-codex"
model_reasoning_effort = "medium"
plan_mode_reasoning_effort = "high"

Profiler er nyttige, hvis forskellige dele af teamet arbejder forskelligt. En “goal”-profil med højere reasoning-effort giver mening til større refaktoreringer, mens en let profil er billigere til daglige småopgaver. Du skifter profil med codex --profile goal uden at ændre din globale standard.

Nøglen model_reasoning_effort styrer, hvor meget tid modellen bruger på at overveje sit svar, før den handler. Sæt den til low til trivielle opgaver, hvor hurtighed betyder mere end grundighed, og til high når du beder Codex om at planlægge en større ændring, før den rører en eneste linje kode. Konfigurationsfilen er almindelig TOML, så du kan versionere en delt basisfil i teamets interne dokumentation og lade den enkelte udvikler tilføje personlige overstyringer nederst.

Trin 7: Vælg den rigtige model til opgaven

OpenAI ryddede den 2. juni 2026 op i modelkataloget for Codex. De ældre -codex-varianter udfases til fordel for de generelle GPT-5.5- og GPT-5.4-mini-modeller, og din config.toml bør opdateres, hvis den stadig peger på et udgået navn.

Udfaset modelnavn	Erstattes af	Anbefalet brug
gpt-5-codex	gpt-5.5	Standard feature-arbejde, code review
gpt-5.1-codex	gpt-5.5	Multi-fil refaktorering
gpt-5.1-codex-max	gpt-5.5	Store, komplekse opgaver
gpt-5.1-codex-mini	gpt-5.4-mini	Hurtige rettelser, scripts

I praksis betyder det, at du vælger gpt-5.4-mini til hurtige rettelser og småscripts, hvor lav pris og lav latenstid vejer tungest. Til standard featurearbejde og kodegennemgang bruger du gpt-5-codex, hvis profilen stadig er sat op til det, mens gpt-5.5 er det rette valg til store refaktoreringer og opgaver, hvor kvalitet betyder mere end pris. En simpel tommelfingerregel: hvis du kan forklare opgaven i én kort sætning, klarer mini-modellen den fint. Kræver opgaven, at agenten forstår sammenhænge på tværs af flere filer og moduler, betaler den dyrere model sig hurtigt hjem i sparet debugging-tid. Skift model direkte fra kommandolinjen uden at røre config-filen:

codex --model gpt-5.5 "refaktorer auth-middleware til at bruge JWT-validering"

Den fulde og altid opdaterede modelliste ligger i OpenAIs egen dokumentation for modelkataloget, som du bør tjekke, før du låser et team-setup til et bestemt modelnavn over længere tid. Modelnavne i denne branche ændrer sig hyppigt, og at holde config.toml opdateret er en billig vane, der sparer jer for forvirrende fejlmeddelelser senere. Sæt gerne en tilbagevendende påmindelse i teamkalenderen hver måned til at tjekke, om der er kommet nye modelnavne eller udfasninger siden sidst, i stedet for kun at opdage det, når en kommando pludselig holder op med at virke.

Trin 8: Godkendelses- og sandkassetilstande

Codex kører kommandoer i en OS-niveau-sandkasse og beder som udgangspunkt om godkendelse, før den kører noget, der ændrer filer eller udfører kommandoer på din maskine. Det er en fornuftig standard i et delt teammiljø, men den bremser dig, hvis du kører mange små, sikre opgaver i træk.

Den nyeste og mest pålidelige kilde til de præcise flagnavne for godkendelses- og sandkasseniveauer er altid din egen installation, fordi disse ændrer sig med hyppige udgivelser. Kør codex --help før du sætter et CI-flow op, så du bekræfter, hvilke tilstande den aktuelle version understøtter, i stedet for at kopiere flag fra en artikel, der kan være forældet i løbet af få uger.

codex --help | grep -i -A2 "approval\|sandbox"

En god tommelfingerregel er at starte strengt og løsne op derfra. Kør de første uger med fuld godkendelse på hver handling, indtil du og resten af teamet har opbygget en fornemmelse for, hvordan agenten typisk opfører sig i jeres kodebase. Først derefter giver det mening at slå automatisk godkendelse til for lavrisiko-operationer som at læse filer eller køre tests, mens du fortsat kræver eksplicit godkendelse til alt, der skriver til disk eller rører netværket.

Trin 9-10: Byg et komplet projekt fra bunden

Den bedste måde at forstå Codex CLI på er at lade den bygge noget konkret. Her opretter vi et lille to-do REST API i Node.js fra en tom mappe, så du kan følge med selv.

mkdir todo-api && cd todo-api
git init
npm init -y
codex "opret et Express REST API med endpoints til at oprette,
liste, opdatere og slette todos, gem data i en JSON-fil,
og skriv tests med Jest for hvert endpoint"

Codex arbejder sig gennem opgaven i flere trin: den opretter mappestruktur, installerer afhængigheder, skriver routes, og til sidst kører den testsuiten for at verificere sit eget arbejde. Undervejs kan du følge med i terminalen, mens hver fil oprettes, og du får mulighed for at afbryde, hvis retningen ser forkert ud, i stedet for at vente til hele opgaven er færdig. Det er en markant anden arbejdsgang end at bede en chatbot om et helt program på én gang og først bagefter opdage, at strukturen ikke passer til jeres projekt. En typisk afslutning på sessionen ser sådan ud:

✓ Created src/routes/todos.js
✓ Created src/store.js
✓ Created tests/todos.test.js
✓ npm test — 7 passed, 0 failed
Session complete. 6 files changed, 184 insertions(+)

Kig efter tre ting, når du gennemgår resultatet: om fejlhåndteringen dækker de tilfælde, du reelt forventer i produktion, om navngivningen af variabler og funktioner passer til resten af jeres kodebase, og om de genererede tests faktisk tester adfærd frem for blot at bekræfte, at koden kører uden at crashe. Codex er dygtig til at få noget til at virke hurtigt, men “virker” og “er klar til produktion” er ikke altid det samme, og det er stadig dit ansvar som udvikler at kende forskellen.

Trin 10 er at gennemgå, hvad agenten faktisk skrev, før du committer. Kør git diff og læs koden linje for linje, præcis som du ville med en kollegas pull request. Codex er god til at følge instruktioner, men den kender ikke jeres interne konventioner, med mindre I fortæller den det, hvilket bringer os til AGENTS.md i trin 13.

Undervejs kan du bede Codex uddybe sine egne valg, for eksempel med instruktionen “forklar hvorfor du gemte todos i en JSON-fil frem for en database”. Det er en god måde at fange fejlantagelser tidligt, især når agenten har truffet et arkitekturvalg, du ikke selv bad om eksplicit. Er du ikke tilfreds med resultatet, kan du bede den om at prøve igen med en mere præcis instruktion, i stedet for selv at rydde op manuelt bagefter.

Trin 11: Kør Codex headless med codex exec til CI/CD

Ud over den interaktive terminal-UI kan Codex køre uden brugerinteraktion, hvilket gør den brugbar i CI/CD-pipelines til for eksempel automatisk at foreslå rettelser på fejlende tests. Kommandoen hedder codex exec og tager en instruktion som argument uden at åbne den interaktive session:

# .github/workflows/codex-review.yml
name: Codex Review
on: pull_request
jobs:
  review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: npm install -g @openai/codex
      - run: codex exec "gennemgå diffen og flag potentielle bugs"
        env:
          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}

Brug en dedikeret API-nøgle til CI-brug fremfor din personlige ChatGPT-login, så du kan begrænse og overvåge forbruget separat fra teamets almindelige brug. Sæt desuden en øvre grænse for, hvor mange filer Codex må ændre i en enkelt CI-kørsel, da en fejlkonfigureret pipeline ellers kan generere overraskende store diffs på tværs af mange pull requests i træk. De fleste teams starter forsigtigt med kun at lade Codex kommentere og foreslå ændringer i CI, og udvider først til automatiske commits, når de har oparbejdet tillid til værktøjets output over en periode.

Trin 12-13: MCP-servere og AGENTS.md

Codex kan udvides med eksterne værktøjer via Model Context Protocol (MCP), hvilket i praksis betyder, at agenten kan hente data fra jeres databaser, ticketsystem eller interne API’er under en session, i stedet for kun at arbejde ud fra lokale filer.

[mcp_servers.postgres]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-postgres"]
env = { DATABASE_URL = "postgres://localhost/mitdb" }

Trin 13 er at oprette en AGENTS.md-fil i roden af repoet. Det er en ren tekstfil, hvor du beskriver teamets konventioner, foretrukne testbibliotek, filstruktur og ting Codex aldrig må gøre uden godkendelse. Agenten læser filen automatisk ved sessionsstart, hvilket i praksis fungerer som et vedvarende briefing-dokument, du kun skal skrive én gang:

# AGENTS.md
- Brug TypeScript strict mode i alle nye filer
- Test med Vitest, ikke Jest
- Rør aldrig migrations-mappen uden eksplicit godkendelse
- Følg eksisterende ESLint-regler i .eslintrc

MCP-servere kan udvide Codex langt ud over kun database-adgang. Det officielle økosystem omfatter blandt andet servere til filsystemer, Slack, GitHub-issues og interne wikier, så agenten kan hente den kontekst, den mangler, uden at du selv skal kopiere information manuelt ind i prompten. Kombinationen af AGENTS.md og MCP er det, der typisk gør forskellen mellem en agent, der føles som et legetøj, og en, der reelt sparer teamet tid hver dag.

Sådan opdaterer og vedligeholder du Codex CLI

Med udgivelser der kommer ugentligt, betaler det sig at have en fast rutine for opdatering fremfor at opdage i blinde, at en kommando pludselig opfører sig anderledes. Opdater til seneste version med:

npm install -g @openai/codex@latest
codex --version

Oplever du regressioner efter en opdatering, kan du pinne en tidligere, kendt-god version, mens du venter på en rettelse:

npm install -g @openai/[email protected]

Tjek altid den aktuelle versionsliste på OpenAIs officielle Codex CLI-dokumentation før du pinner en specifik version i et team-setup, så alle arbejder på samme grundlag. Et simpelt trick, der sparer overraskelser, er at tilføje versionstjekket til jeres onboarding-dokumentation, så nye teammedlemmer installerer den samme version som resten af holdet fra dag ét i stedet for automatisk at hente den nyeste, muligvis endnu ikke fuldt testede udgivelse.

Codex CLI vs. Claude Code og GitHub Copilot CLI

De tre store terminal-agenter løser samme grundproblem forskelligt. Claude Code fra Anthropic og GitHub Copilot fra Microsoft er de mest oplagte sammenligningspunkter, fordi alle tre kører direkte i terminalen og kan redigere kode lokalt. Se eventuelt Anthropics egen dokumentation for Claude Code, hvis du vil sætte de to op mod hinanden i praksis, før du beslutter dig.

Egenskab	Codex CLI	Claude Code	GitHub Copilot CLI
Udgiver	OpenAI	Anthropic	GitHub / Microsoft
Open source	Ja	Nej	Nej
Primært sprog i motoren	Rust	Node.js	Node.js
Konfigurationsfil	~/.codex/config.toml	settings.json	config.yml
Adgang via abonnement	ChatGPT Plus/Pro/Business	Claude Pro/Max	GitHub Copilot-planer
MCP-understøttelse	Ja	Ja	Delvis

Vælg Codex CLI, hvis I allerede er dybt investeret i OpenAIs modeløkosystem eller ønsker en åben kildekode, I selv kan inspicere og tilpasse. Er teamet i forvejen på Gemini CLI eller Anthropics stack, giver det ofte mere mening at blive der fremfor at splitte licenser og vaner på tværs af tre forskellige værktøjer. Ingen af de tre har for nuværende offentligt sammenlignelige SWE-bench-tal, der lader sig verificere på tværs af uafhængige kilder, så en direkte benchmark-sammenligning bør du læse med forbehold, uanset hvor den kommer fra.

Et praktisk kriterium, der ofte vejer tungere end modelkvalitet, er hvor jeres team allerede har licenser i forvejen. Har organisationen i forvejen betalt for GitHub Copilot som en del af en eksisterende GitHub Enterprise-aftale, kan det være billigere at udnytte den, end at tilføje endnu et abonnement ved siden af. Omvendt, hvis I allerede kører de fleste af jeres AI-arbejdsgange gennem OpenAIs API til andre formål, giver Codex CLI en naturlig forlængelse uden at skulle forhandle en ny leverandøraftale.

Hvad koster Codex CLI reelt?

Codex CLI har ingen selvstændig prisstruktur. Den bruger enten den kvote, dit ChatGPT-abonnement allerede giver, eller afregner direkte via OpenAIs API-priser, hvis du logger ind med en API-nøgle (BYOK). Det gør det nemt at regne på, men kræver at du kender de underliggende satser.

Plan / model	Pris
ChatGPT Plus	$20 pr. bruger/md.
ChatGPT Pro	Fra $100 pr. bruger/md.
ChatGPT Business (årlig)	$20 pr. bruger/md., min. 2 seats
ChatGPT Business (månedlig)	$25 pr. bruger/md., min. 2 seats
GPT-5.5 API (input / output)	$5,00 / $30,00 pr. 1M tokens
GPT-5.4-mini API (input / output)	$0,75 / $4,50 pr. 1M tokens

ChatGPT Enterprise sælges udelukkende på tilbud og fremgår ikke af nogen offentlig prisliste, så skal du budgettere for en større organisation, må du gå gennem en salgsdialog med OpenAI. For de fleste mindre danske teams er faktureringen langt enklere: hold jer til Plus eller Business, indtil forbruget reelt kræver API-afregning, og skift kun til gpt-5.5 på de opgaver, hvor kvaliteten rent faktisk gør en forskel, da prisforskellen til gpt-5.4-mini er markant.

Som et konkret regnestykke koster 1 million output-tokens fra gpt-5.5 30 dollar, mens samme mængde fra gpt-5.4-mini koster 4,50 dollar. Kører teamet primært rutineopgaver som testopdateringer og småfejl, kan I altså skære en stor del af regningen væk ved konsekvent at bruge mini-modellen som standard og kun eskalere til den dyrere model manuelt, når en opgave kræver det.

5 almindelige faldgruber, og hvordan du undgår dem

At lade Codex køre uovervåget i et produktionsrepo. Godkend altid ændringer manuelt, indtil I har testet agentens adfærd grundigt i et sideprojekt. Selv erfarne teams holder fast i manuel godkendelse på deres vigtigste repositories længe efter, at de har slået automatisk godkendelse til andre steder.
At glemme AGENTS.md. Uden den gætter Codex jeres konventioner, og resultatet bliver kode, der virker, men ikke ligner resten af kodebasen. Det skaber ekstra arbejde i code review, som en fem minutters investering i en AGENTS.md-fil kunne have undgået.
At bruge dyre modeller til trivielle opgaver. Kør småopgaver på gpt-5.4-mini, ellers stiger regningen unødigt hurtigt over en måned, især hvis flere udviklere i teamet uafhængigt af hinanden vælger den dyreste model som standard uden at tænke over det.
At dele API-nøgler mellem CI og lokale maskiner. Brug separate nøgler, så et kompromitteret CI-flow ikke giver adgang til hele teamets forbrug, og så I kan rotere en enkelt nøgle uden at afbryde resten af jeres opsætning.
At springe git diff-gennemgangen over. Codex laver færre fejl end sit rygte tilsiger, men den commit’er aldrig noget uden at du selv har set diffen først, hvis du følger denne guide. Bliver diff-gennemgangen sprunget over konsekvent, mister I hurtigt overblikket over, hvad der reelt ændrer sig i kodebasen fra uge til uge.

Fejlfinding: 8 almindelige problemer og løsninger

De fleste problemer med Codex CLI opstår i de første 20 minutter efter installation og skyldes miljøet omkring værktøjet snarere end selve agenten. Gennemgå listen herunder, før du antager, at der er tale om en fejl i selve pakken.

“command not found: codex” efter installation. Din globale npm-bin-mappe er sandsynligvis ikke i PATH. Kør npm config get prefix og tilføj <prefix>/bin til din shell-profil. Genstart terminalen bagefter, da mange shells kun læser profilfilen ved opstart.
EACCES: permission denied ved npm install -g. Undgå sudo npm install, da det ofte skaber rettighedsproblemer for fremtidige pakkeinstallationer. Konfigurer i stedet en npm-mappe under din brugerkonto med npm config set prefix ~/.npm-global, og tilføj den nye sti til PATH.
Node-version for gammel. Codex CLI kræver Node.js 22+. Opgrader med nvm: nvm install 22 && nvm use 22. Har du flere projekter, der kræver forskellige Node-versioner, så brug en .nvmrc-fil pr. projekt for at undgå at skulle skifte manuelt hver gang.
Login-flowet med ChatGPT fejler i browseren. Luk alle åbne OpenAI-faneblade, ryd cookies for chatgpt.com, og kør codex igen for at genstarte login-flowet. Sidder du bag en firewall eller en virksomheds-VPN, så tjek om den blokerer redirect-trafikken fra login-siden.
“Invalid API key” trods sat OPENAI_API_KEY. Bekræft at variablen faktisk er eksporteret i den shell-session, du kører Codex fra, med echo $OPENAI_API_KEY, og at nøglen ikke er udløbet. Nøgler oprettet under en anden organisation end den, du forventer at fakturere, giver også denne fejl.
Konfigurationsfilen peger på et udgået modelnavn. Får du fejl relateret til gpt-5.1-codex eller lignende, opdater ~/.codex/config.toml til gpt-5.5 eller gpt-5.4-mini jævnfør modeltabellen ovenfor. Tjek både din globale konfiguration og eventuelle profil-specifikke overstyringer, da fejlen ofte kun findes i den ene af de to.
Codex kører ikke på Windows uden videre. Installer WSL2 via Microsofts officielle guide, og kør Codex derfra i stedet for direkte i PowerShell eller CMD, da native Windows-support ikke er dokumenteret. Installer også Node.js inde i selve WSL2-distributionen, ikke kun i Windows, da de to miljøer har separate pakkeinstallationer.
Sessionen hænger og venter på godkendelse for hver eneste kommando. Det er standardadfærd i den mest restriktive sandkassetilstand. Tjek de aktuelle godkendelsesflag med codex --help, og vælg et mindre restriktivt niveau bevidst, ikke som en genvej for at slippe for at læse diffs.
Codex genererer kode, der ikke matcher jeres kodestandard. Det sker næsten altid, fordi der mangler en AGENTS.md-fil, eller fordi den eksisterende fil er forældet i forhold til jeres nuværende konventioner. Opdater filen, og prøv instruktionen igen.

Avancerede tips til daglig brug

Brug forskellige profiler i config.toml til forskellige typer arbejde i stedet for at skifte model manuelt hele tiden. En “quick”-profil på gpt-5.4-mini med lav reasoning-effort til småting, og en “goal”-profil på gpt-5.5 med høj effort til multi-fil refaktorering, sparer både tid og penge over en uge.

Kør Codex i et separat git-worktree, når du eksperimenterer med større ændringer. Så kan du lade agenten arbejde frit i en isoleret gren, mens din hovedbranch forbliver urørt, og du kan smide hele forsøget væk uden oprydning, hvis resultatet ikke holder. Det er også en praktisk måde at lade to Codex-sessioner arbejde på forskellige dele af samme kodebase parallelt, uden at de forstyrrer hinandens ændringer i samme filer.

I monorepos er det værd at placere en AGENTS.md i hver undermappe med pakke-specifikke regler, ikke kun én global fil i roden. Codex læser den nærmeste relevante fil, hvilket giver mere præcis kontekst end én lang fil, der forsøger at dække et helt monorepo på én gang.

Overvej at oprette en dedikeret, billig OpenAI-organisation kun til CI-brug, adskilt fra teamets almindelige udviklerkonti. Det gør det langt nemmere at se, hvor stor en del af det samlede AI-forbrug der kommer fra automatiserede pipelines, kontra hvad udviklerne selv bruger interaktivt i deres terminaler i løbet af en arbejdsdag.

Når du har gennemført alle 13 trin, har du en Codex CLI-opsætning, der er klar til daglig brug: den er installeret, godkendt, konfigureret til den rigtige model, koblet til jeres data via MCP, og dokumenteret med en AGENTS.md, resten af teamet kan læse. Det, der er tilbage, er at gøre det til en vane at gennemgå diffs og holde version og modelnavne opdateret, efterhånden som OpenAI fortsætter med at frigive nye udgivelser i det tempo, vi har set gennem 2026.

Ofte stillede spørgsmål

Er Codex CLI gratis at bruge?
Selve værktøjet er open source og gratis at installere, men brugen kræver enten et ChatGPT-abonnement (Plus, Pro, Business eller Enterprise) eller en API-nøgle med tilhørende token-forbrug.

Virker Codex CLI på Windows?
Ja, men kun via WSL2. Native Windows-support uden WSL2 er ikke dokumenteret, og du risikerer sti- og miljøfejl, hvis du forsøger at køre den direkte fra PowerShell.

Hvad er forskellen på Codex CLI og ChatGPT i browseren?
ChatGPT i browseren er en chatgrænseflade uden direkte adgang til dine lokale filer. Codex CLI kører på din maskine, læser og redigerer faktiske filer i dit repository og kan udføre terminalkommandoer.

Kan jeg bruge min egen API-nøgle i stedet for et ChatGPT-abonnement?
Ja. Sæt miljøvariablen OPENAI_API_KEY, så afregnes forbruget efter OpenAIs almindelige API-priser i stedet for at trække på et abonnements kvote.

Er Codex CLI open source?
Ja, kildekoden er offentligt tilgængelig på GitHub under OpenAIs organisation, hvilket adskiller den fra både Claude Code og GitHub Copilot CLI, som begge er lukket kildekode.

Hvilken model skal jeg vælge til daglig kodning?
Brug gpt-5.4-mini til hurtige rettelser og scripts, og skift til gpt-5.5 når opgaven involverer flere filer eller kræver højere kodekvalitet.

Kan Codex CLI køre uden internetforbindelse?
Nej. Selve agenten kører lokalt, men den skal kontakte OpenAIs modeller over internettet for hver forespørgsel, så en aktiv forbindelse er påkrævet.

Er det sikkert at lade Codex køre kommandoer automatisk?
Standardtilstanden kræver godkendelse, før agenten ændrer filer eller kører kommandoer. Hæver du autonominiveauet, bør det kun ske i isolerede miljøer eller sideprojekter, aldrig direkte mod produktionskode uden gennemgang.

Hvordan holder jeg styr på, hvad Codex har ændret i mit projekt?
Brug git status og git diff efter hver session, ligesom du ville gøre med en kollegas ændringer. Codex arbejder altid inde i den mappe, du starter den fra, så en ren Git-historik er den nemmeste måde at spore dens adfærd over tid.

Kan jeg bruge Codex CLI sammen med et eksisterende CI-system som GitLab eller Jenkins?
Ja. codex exec er platformsuafhængig og kræver kun, at Node.js og en gyldig API-nøgle er tilgængelig på den runner, der udfører jobbet. Opsætningen ligner den, vi viste for GitHub Actions tidligere i guiden.

Relateret dækning

Se også kategorien Software for flere guider til AI-kodeassistenter og udviklerværktøjer.